轻量模型赛道又挤进一位狠角色。meta 在 11 月 10 日推出 Muse Ember，标榜自家"迄今最小、最高效"的模型，专为复杂推理和智能体反复执行的日常任务而生。它不拼参数规模，只拼性价比。
跑分追上 Haiku，账单只剩零头
在 Artificial Analysis 榜单上，Muse Ember 的综合表现已能与 Claude Haiku 5.5 掰手腕，可单任务成本只有对方的三分之一，还在多项测试里压过 GPT-6 Luna。比如端到端业务工作流 AutomationBench-AA，它拿到 37.8 分，远超 Haiku 的 13.9 和 Luna 的 20.2；智能体编程、长文档处理等维度同样领先。
一次吞下整套代码库
Ember 配上 100 万 Token 的上下文窗口，最多可输出 51.2 万 Token，意味着一次调用就能喂进完整代码库或一整摞文档。智能体可在单场会话里连做数百个编程子任务，读文件、跑测试、定点修 bug 一气呵成。
它还是个原生多面手：文本、图像、音频、视频通吃，截图、图表、扫描件、会议录音、视频都不在话下，不必再外挂别的模型。安全上，发布前经 meta SI 框架评估，风险低于高风险红线。价格亲民：输入每百万 Token 0.10 美元、输出 0.50 美元，已在 meta Model API、谷歌云与甲骨文云上线。
